计量经济学知识要点
考试题型一．判断解释5*5=25分（明确表达正确或是错误1分，解释分析4分）二．计算检验（类似于课本作业题的方式）三．模型结果说明（理解每一个上机输出结果的含义）四．分析题开卷考试，允许带计算器，书本一定没有一模一样的题目计量经济学知识要点一．陈述理论二．建立模型1.分类：一元线性模型（第二章），多元线性模型（第三章），非线性回归模型（第四章）2.非线性方程(1)分类：a.非标准回归模型b.可线性化回归模型c.本科线性化回归模型(2)线性化方法：变量替换（P90-95页）(3)几种典型的可以做线性化处理的非标准线性回归模型（知道如何把这些非线性变为线性）1．多项式函数模型2 双曲函数模型3 对数函数模型4 S-型曲线模型(4)在研究经济问题时经常遇到的可线性化的非线性回归模型1指数函数模型2幂函数模型2. 假定条件：一元线性模型有5个，分别是：零均值假定，同方差假定，无序列相关假定，解释变量与随机误差项无关假定，正态分布假定。
多元线性模型有6个假定条件，在一元线性模型的基础上多加了无多重贡献性假定。
3.解释变量的分类：定量的解释变量（可以直观用数字表达如：价格、质量）；定性的解释变量（分为虚拟变量和时间变量。
虚拟变量用“D”表示，如：男女、好中差。
时间变量用“t”表示，顾名思义就是表示一段时间的数列）4.注意问题：解释变量与被解释变量的确定，两者之间有单向因果关系，解释变量是因，被解释变量是果，就是说只能是由于解释变量的变化导致了被解释变量的变化。
三．收集数据（包括时间序列，截面数据，面板数据）四．估计参数1.方法：(1).OLS即普通最小二乘法（核心准则：残差平方和最小，表示为Q=∑（yi-ŷi）^2）其中β0^和β1^具备BLUE特性即最佳线性无偏估计量（线性性、无偏性、最小方差性）。
满足高斯马尔科夫定理P61。
（第二章）(2).加权最小二乘法（用于异方差检验）在等式两边同除以随机误差项的标准差，去除异方差再用普通最小二乘法检验。
（第五章）(3).广义最小二乘法（用于自相关检验）本期与滞后一期相减。
（第六章）五．假设检验1．经济学意义检验符号和系数大小是否与现实意义相符合2．统计学检验R^2和修正可决系数R^2）越接近1越好R^2=1-(1- R^2)*(n-1/n-k-1)=1-（ESS/n-k-1）/（TSS/n-1）TSS（总离差平方和）=RSS（回归平方和）+ESS（残差平方和）R^2=RSS/TSS=1-ESS/TSS(作用是用来度量方程的拟合优度，R^2越接近于1，表示被解释变量中的变异性被估计的回归方程解释的部分越多，估计的回归方程对样本观测值的拟合度越好)注意问题：为什么可决系数是解释变量的递增函数？当样本容量不变时，如果在模型中增加新的解释变量，并不会改变离差平方和，但是可能增加回归平方和，从而可能改善模型的解释功能。
修正的可决系数正是消除可决系数对解释变量个数的依赖性。
可决系数和修正的可决系数并不是评价模型优劣的唯一标准，有时为了使有重要经济意义的解释变量保留在模型中，宁可牺牲一点拟合优度。
F=(Rss/k)/(Ess/(n-k-1)) ~ Fα(k,n-k-1)适用于多元的回归模型，如果不显著说明解释变量的斜率系数都为0，解释变量对被解释变量没有影响。
如果显著说明总体回归方程存在显著的线性关系，即解释变量与被解释变量之间的线性关系是显著的。
(3).参数显著性检验（t）t=β^（估计量）/Sβ^（标准差）~ t(n-k-1)如果检验显著说明解释变量对被解释变量有显著的影响，应该保留该解释变量。
3．计量经济学检验（检验假定条件是否满足）(1).异方差（第五章）假定1、随机项ui具有零均值E(ui)=0 i=1,2, …, n假定2、随机项ui具有同方差Var (ui)=su2 i=1,2, …, n假定3、随机项ui无序列相关性Cov(ui, uj)=0 i≠j i,j= 1,2, …, n假定4、随机项u与解释变量X之间不相关：Cov(Xi, ui)=0 i=1,2, …, n假定5、多元回归模型中解释变量之间不存在多重共线性rank(X)=k+1 k+1＜n假定6、u服从正态分布ui~N(0, su2 ) i=1,2, …, n1 异方差性常来源于横截面数据2异方差性来源于测量误差3异方差性来源于模型中被省略的一些因素对被解释变量的影响4异方差性可能产生于计量经济模型所研究的问题本身5异方差性来源于用分组数据来估计经济计量模型1 当计量模型中存在异方差时，普通最小二乘（OLS）估计量仍具有线性性和无偏性。
2 当计量模型存在异方差时，OLS估计量不再是有效的估计量。
3 当计量模型存在异方差性时，回归参数的相关检验(系数的显著性检验和方程的显著性检验）和置信区间失效，进而引起预测失效。
Da.图示法异方差性在散点图上的反映就是随机误差项随解释变量的变化而变动。
b.怀特检验T（样本容量）*R^2(辅助回归式的可决系数)~X^2((k+1)(k+2)/2-1)（k为解释变量个数）如果检验结果是大于的话就证明存在异方差。
要进行进一步的修正。
E.如果异方差与X有关，通常做法是用X除原回归式，即以1/X为权数做加权最小二乘估计。
（如果是多元函数就X1，X2……一个一个除，哪个能消除异方差就最终确定用哪一个做权数）(2).自相关（第六章）A.自相关又称序列相关。
原指一随机变量在时间上与其滞后项之间的相关。
这里主要是指回归模型中随机误差项ut与其滞后项的相关关系。
自相关也是相关关系的一种。
B.a.模型的数学形式不妥。
若所用的数学模型与变量间的真实关系不一致，误差项常表现出自相关b. 惯性。
大多数经济时间序列都存在自相关。
其本期值往往受滞后值影响。
突出特征就是惯性与低灵敏度。
如国民生产总值，固定资产投资，国民消费，物价指数等随时间缓慢地变化，从而建立模型时导致误差项自相关。
c.回归模型中略去了带有自相关的重要解释变量。
若丢掉了应该列入模型的带有自相关的重要解释变量，那么它的影响必然归并到误差项ut中，从而使误差项呈现自相关。
C.(1)只要假定条件Cov(X ，u) = 0 成立，回归系数仍具有无偏性。
(2)不再具有最小方差性。
而且用普通最小二乘法求到的回归系数将低估真实的方差。
(3)有可能低估误差项ut的方差低估回归参数估计量的方差，等于夸大了回归参数的抽样精度。
(4) Var( ) 和su 2都变大，都不具有最小方差性。
所以用依据普通最小二乘法得到的回归方程去预测，预测是无效的。
D.a.图示法图示法就是依据残差 对时间t 的序列图作出判断。
由于残差 是对误差项ut的估计，所以尽管误差项ut 观测不到，但可以通过 et 的变化判断ut 是否存在自相关。
b.LM 检验（P144-145页）LM 检验既可检验一阶自相关,也可以检验高阶自相关c.DW 检验（P143页）#前提条件：（1）随机误差项ui 为一阶自回归形式：ui=rui-1+ei（2）回归模型中不应含有滞后应变量作为解释变量，即不应出现下列形式：Yi=b0+b1X1i+b¼kXki+gYi -1+ui（3）回归含有截距项(4) 样本容量应充分大(T>15)#结果判断：i ˆ#当DW值落在“不确定”区域时，有两种处理方法①加大样本容量或重新选取样本，重作DW检验。
有时DW值会离开不确定区。
②选用其它检验方法。
#DW检验临界值与三个参数有关。
①检验的显著性水平a，②样本容量n,③原回归模型中解释变量个数k（不包括常数项）d. 自相关的修正广义最小二乘法是自相关的一种解决办法, 即变换原回归模型,使变换后模型的随机误差项消除自相关,进而利用普通最小二乘法估计回归参数.e.注意（1）经济问题中的自相关主要表现为正自相关（2）自相关主要针对时间序列数据。
(3)DW统计量只适用于检验一阶自相关形式.(4) 应用DW检验,样本容量不应太小(5)因为DW统计量是以解释变量非随机为条件得出的，所以当回归式的解释变量中含有因变量的滞后项时，DW检验无效(3).多重共线性（第七章）A.如果某两个或多个解释变量之间出现了相关性,则称为多重共线性.完全共线性的情况并不多见，一般出现的是在一定程度上的共线性，即近似共线性。
综上所述，多重共线性就是指解释变量之间存在完全的线性关系或接近的线性关系除非是完全共线性，多重共线性并不意味着任何基本假设的违背；因此，即使出现较高程度的多重共线性，OLS估计量仍具有线性性、无偏性和最小方差性等良好的统计性质。
问题在于，即使OLS法仍是最好的估计方法，它却不是“完美的”，尤其是在统计推断上无法给出真正有用的信息。
B.（1）经济变量相关的共同趋势.时间序列样本：经济繁荣时期，各基本经济变量（收入、消费、投资、价格）都趋于增长；衰退时期，又同时趋于下降。
横截面数据：生产函数中，资本投入与劳动力投入往往出现高度相关情况，大企业二者都大，小企业都小。
（2）滞后变量的引入在经济计量模型中，往往需要引入滞后经济变量来反映真实的经济关系。
C.1、完全多重共线性下参数估计量不存在2、近似多重共线性下OLS估计量非有效3、参数估计量经济含义不合理4、变量的显著性检验失去意义5、模型的预测功能失效D.1.相关系数法。
计算解释变量之间的简单相关系数，若两个解释变量之间的相关系数接近于1，则可以认为模型存在多重共线性。
也可以建立两个解释变量之间的线性回归模型，根据拟合优度进行判断，可决系数越接近于1，解释变量之间的线性关系越显著。
2.多个解释变量的想关性检验在这些决定系数中寻其最大而且接近于1者，比如说Rj2最大，则可以判定解释变量与其它解释变量中的一个或多个相关程度高，因此就使得回归模型出现高度多重共线性。
E.消除多重共线性的方法（P165页）1.增加样本观测值2.删去不重要的解释变量3.变换模型的形式4.逐步回归法首先计算被解释变量对每一个解释变量的回归方程，这些回归方程叫做基本回归方程。
对每一个基本回归方程进行统计检验，并根据经济理论分析这些回归方程，通常是利用样本可决系数从中选出最合适的基本回归方程。
然后再逐一增加其它的解释变量，重新再作回归。
根据这个新加的解释变量的边际贡献（样本决定系数的增加量）和标准差，并考察对每个回归系数的影响，作如下的分析判断：第一，如果新加进的解释变量改进了R2，并且其它回归系数在统计上仍是显著的，那么，就可以认为新加进去的解释变量是有用的，作为模型中的解释变量予以保留。
第二，如果加进去的解释变量未能改进R2，对其它回归系数也没有影响，则不作为解释变量。
第三、如果新加进的解释变量不仅改进了R2，并且主要是显著地影响了回归系数的符号或数值，致使某些回归系数达到不能接受的地步，则可断言产生了严重的多重共线性。
计量经济学基础知识梳理(超全)
然对数，或简称为对数函数，记为
y logx
还有几种不同符号可以表示自然对数，最常用的是 lnx
或 loge x 。当对数使用几个不同的底数时，这些不同的
都用 logx 表示自然对数。
符号是有作用的。目前，只有自然对数最重要，因此我们
2.自然对数
y
y logx
x
图2.1.4 y=log（x） 的图形
例：劳动供给函数
假定一个工人的劳动供给可描述为
式中，wage为小时工资而hours为每周工作小时数，于是， 由方程可得：
hours 33 45.1logwage
hours 45.1 logwage 45.1 100%wage 0.451%wage
换言之，工资每增加1%，将使每周工作小时增加约0.45或 略小于半个小时。若工资增加10%，则 hours 0.451 10 4.51 或约四个半小时。 注意：不宜对更大的工资百分数变化应用这个近似计算。
2.自然对数
在经验研究工作中还经常出现使用对数函数的其他可 能性。假定y>0，且
则 log y 1x ，从而 100 log y 100 1 x。 由此可知，当y和x有上述方程所示关系时，
log y 0 1 x
%y 100 1x
于x2。y对x1的偏导数记为 若
y ，就是把x2看做常数时方程对 x1 y x1的普通导数。类似的， 就是固定x1时方程对x2的导数。 x 2
y 0 1 x1 2 x2
则
这些偏导数可被视为经济学所定义的偏效应。
y y 1， 2 x1 x2
例： 含交互项的工资方程
2.自然对数
对数可用于计量经济学应用中的各种近似计算。
计量经济学知识点(超全版)
1 .经济变量：经济变量是用来描述经济因素数量水平的指标。
（3分）2. 解释变量：是用来解释作为研究对象的变量（即因变量）为什么变动、如何变动的变量。
（2分）它对因变量的变动做出解释，表现为方程所描述的因果关系中的因”。
1 分）3. 被解释变量：是作为研究对象的变量。
（1分）它的变动是由解释变量做出解释的，表现为方程所描述的因果关系的果。
（2分）4. 内生变量：是由模型系统内部因素所决定的变量，（2分）表现为具有一定概率分布的随机变量，是模型求解的结果。
（1分）5. 外生变量：是由模型系统之外的因素决定的变量，表现为非随机变量。
（2分）它影响模型中的内生变量，其数值在模型求解之前就已经确定。
（1分）6•滞后变量：是滞后内生变量和滞后外生变量的合称，（1分）前期的内生变量称为滞后内生变量；（1分）前期的外生变量称为滞后外生变量。
（1分）7.前定变量：通常将外生变量和滞后变量合称为前定变量，（1分）即是在模型求解以前已经确定或需要确定的变量。
（2分）&控制变量：在计量经济模型中人为设置的反映政策要求、决策者意愿、经济系统运行条件和状态等方面的变量，（2分）它一般属于外生变量。
（1分）9•计量经济模型：为了研究分析某个系统中经济变量之间的数量关系而采用的随机代数模型，（2分）是以数学形式对客观经济现象所作的描述和概括。
（1分）10 .函数关系：如果一个变量y的取值可以通过另一个变量或另一组变量以某种形式惟一地、精确地确定，则y与这个变量或这组变量之间的关系就是函数关系。
（3分）11 .相关关系：如果一个变量y的取值受另一个变量或另一组变量的影响，但并不由它们惟一确定，则y与这个变量或这组变量之间的关系就是相关关系。
（3分）12 .最小二乘法：用使估计的剩余平方和最小的原则确定样本回归函数的方法，称为最小二乘法。
（3分）13 .高斯-马尔可夫定理：在古典假定条件下，OLS估计量是模型参数的最佳线性无偏估计量，这一结论即是高斯—马尔可夫定理。
计量经济学重点
计量经济学重点计量经济学复习资料一、名词解释1.广义计经济学:利用经济理论、统计学和数学定量研究经济现象的经济计量方法的统称，包括回归分析方法、投入产出分析方法、时间序列分析方法等。
2.狭义计经济学以揭示经济现象中的因果关系为目的，在数学上主要应用回归分析方法。
3.总体回归函数:指在给定Xi下Y分布的总体均值与Xi所形成的函数关系(或者说总体被解释变量的条件期望表示为解释变量的某种函数)。
4.样本回归函数:指从总体中抽出的关于Y, x的若干组值形成的样本所建立的回归函数。
6、随机的总体回归函数:含有随机千扰项的总体回归函数(是相对于条件期望形式而言的)。
5.线性回归模型:既指对变量是线性的，也指对参数β为线性的，即解释变量与参数β只以他们的I次方出现。
6.随机干扰项:即随机误差项，是一个随机变量，是针对总体回归函数而言的。
9、残差项:是一随机变量，是针对样本回归函数而言的。
7.条件期望:即条件均值，指X取特定值Xi时Y的期望值。
8.回归系数:回归模型中βo, β1等未知但却是固定的参数。
9.回归系教的估计量:指用β 0^ β1^等表示的用已知样本提供的信息所估计出来总体未知参数的结果。
10.最小二乘法:又称最小平方法，指根据使估计的剩余平方和最小的原则确定样本回归函数的方法。
11.最大似然法:又称最大或然法，指用生产该样本概率最大的原则去确定样本回归函数的方法。
12.估计的标准差:度量一个变量变化大小的测量值。
13.总离差平方和:用TSS表示，用以度量被解释变量的总变动。
14.回归平方和:用ESS表示:度量由解释变量变化引起的被解释变量的变化部分。
15.残差平方和:用RSS表示:度量实际值与拟合值之间的差异，是由除解释变量以外的其他因素引起的被解释变量变化的部分。
16.协方差:用Cov(X, Y)表示，度量XY两个变量关联程度的统计量。
17.拟合优度检验:检验模型对样本观测值的拟合程度，用R2表示，该值越接近1,模型对样木观测值拟合得越好。
计量经济学复习知识点重点难点
计量经济学复习知识点重点难点计量经济学知识点第一章导论1、计量经济学的研究步骤：模型设定、估计参数、模型检验、模型应用。
2、计量经济学是统计学、经济学和数学的结合。
3、计量经济学作为经济学的一门独立学科被正式确立的标志：1930年12月国际计量经济学会的成立。
4、计量经济学是经济学的一个分支学科。
第二章简单线性回归模型1、在总体回归函数中引进随机扰动项的原因：①作为未知影响因素的代表；②作为无法取得数据的已知因素的代表；③作为众多细小影响因素的综合代表；④模型的设定误差；⑤变量的观测误差；⑥经济现象的内在随机性。
2、简单线性回归模型的基本假定：①零均值假定；②同方差假定；③随机扰动项和解释变量不相关假定；④无自相关假定；⑤正态性假定。
3、OLS回归线的性质：①样本回归线通过样本均值；②估计值的均值等于实际值的均值；③剩余项ei的均值为零；④被解释变量的估计值与剩余项不相关；⑤解释变量与剩余项不相关。
4、参数估计量的评价标准：无偏性、有效性、一致性。
5、OLS估计量的统计特征：线性特性、无偏性、有效性。
6、可决系数R2的特点：①可决系数是非负的统计量；②可决系数的取值范围为[0,1]；③可决系数是样本观测值的函数，可决系数是随抽样而变动的随机变量。
第三章多元线性回归模型1、多元线性回归模型的古典假定：①零均值假定；②同方差和无自相关假定；③随机扰动项和解释变量不相关假定；④无多重共线性假定；⑤正态性假定。
2、估计多元线性回归模型参数的方法：最小二乘估计、极大似然估计、矩估计、广义矩估计。
3、参数最小二乘估计的性质：线性性质、无偏性、有效性。
4、可决系数必定非负，但是根据公式计算的修正的可决系数可能为负值，这时规定为0。
5、可决系数只是对模型拟合优度的度量，可决系数越大，只是说明列入模型中的解释变量对被解释变量的联合影响程度越大，并非说明模型中各个解释变量对被解释变量的影响程度也大。
6、当R2=0时，F=0；当R2越大时，F值也越大；当R2=1时，F→∞。
计量经济学知识点总结
计量经济学知识点总结计量经济学是一门融合了经济学、统计学和数学的交叉学科，它通过建立经济模型，运用统计方法对经济数据进行分析，以揭示经济变量之间的关系和规律。
以下是对计量经济学中一些重要知识点的总结。
一、回归分析回归分析是计量经济学的核心方法之一。
简单线性回归模型表示为：＄Y ＝＼beta_0 ＋＼beta_1 X ＋＼epsilon$，其中$Y$是被解释变量，＄X$是解释变量，＄＼beta_0$是截距项，＄＼beta_1$是斜率系数，＄＼epsilon$是随机误差项。
在进行回归分析时，需要对模型进行估计。
常用的估计方法是最小二乘法（OLS），其基本思想是使残差平方和最小，从而确定参数的估计值。
通过估计得到的回归方程可以用于预测和解释变量之间的关系。
回归分析还需要进行一系列的检验，包括拟合优度检验（如判定系数$R^2$）、变量的显著性检验（＄t$检验）和方程的显著性检验（＄F$检验）等。
二、多重共线性多重共线性指的是解释变量之间存在较强的线性关系。
这可能导致参数估计值不稳定、方差增大、＄t$检验失效等问题。
检测多重共线性的方法有多种，如计算解释变量之间的相关系数、方差膨胀因子（VIF）等。
解决多重共线性的方法包括剔除一些相关变量、增大样本容量、使用岭回归或主成分回归等方法。
三、异方差性异方差性是指随机误差项的方差不是常数，而是随解释变量的变化而变化。
异方差性会影响参数估计的有效性和假设检验的可靠性。
常用的检测方法有图形法（如绘制残差平方与解释变量的关系图）、怀特检验等。
解决异方差性的方法有加权最小二乘法（WLS）等。
四、自相关性自相关性是指随机误差项在不同观测值之间存在相关关系。
自相关性会导致参数估计值有偏、无效，以及$t$检验和$F$检验不可靠。
常用的检测方法有杜宾沃森（DW）检验等。
解决自相关性的方法有广义差分法等。
五、虚拟变量虚拟变量用于表示定性变量，如性别、季节等。
在模型中引入虚拟变量可以更准确地反映经济现象。
(完整版)计量经济学重点知识归纳整理
1.普通最小二乘法(Ordinary Least Squares,OLS)：已知一组样本观测值{}n i Y X i i ,2,1:),(⋯=，普通最小二乘法要求样本回归函数尽可以好地拟合这组值，即样本回归线上的点∧i Y 与真实观测点Yt 的“总体误差”尽可能地小。
普通最小二乘法给出的判断标准是：被解释变量的估计值与实际观测值之差的平方和最小。
2.广义最小二乘法GLS ：加权最小二乘法具有比普通最小二乘法更普遍的意义，或者说普通最小二乘法只是加权最小二乘法中权恒取1时的一种特殊情况。
从此意义看，加权最小二乘法也称为广义最小二乘法。
3.加权最小二乘法WLS ：加权最小二乘法是对原模型加权，使之变成一个新的不存在异方差性的模型，然后采用普通最小二乘法估计其参数。
4.工具变量法IV ：工具变量法是克服解释变量与随机干扰项相关影响的一种参数估计方法。
5.两阶段最小二乘法2SLS, Two Stage Least Squares ：两阶段最小二乘法是一种既适用于恰好识别的结构方程，以适用于过度识别的结构方程的单方程估计方法。
6.间接最小二乘法ILS ：间接最小二乘法是先对关于内生解释变量的简化式方程采用普通小最二乘法估计简化式参数，得到简化式参数估计量，然后过通参数关系体系，计算得到结构式参数的估计量的一种方法。
7.异方差性Heteroskedasticity ：对于不同的样本点，随机干扰项的方差不再是常数，而是互不相同，则认为出现了异方差性。
8.序列相关性Serial Correlation ：多元线性回归模型的基本假设之一是模型的随机干扰项相互独立或不相关。
如果模型的随机干扰项违背了相互独立的基本假设，称为存在序列相关性。
9.多重共线性Multicollinearity ：对于模型i k i i X X X Y μββββ++⋯+++=i k 22110i ，其基本假设之一是解释变量X 1,X 2,…,Xk 是相互独立的。
计量经济学 主要知识点
《计量经济学》《经济计量学》《Econometrics》一、主要知识点第一章绪论第一节计量经济学一、经济计量学的产生过程1930 世界经济计量学会二、经济计量学与其他学科的关系计量经济学的定义第二节建立计量经济学模型的步骤和要点一、数据类型1、时间序列数据2、截面数据3、面板数据二、经济变量与经济参数（一）、经济变量1、内生变量和外生变量内生变量(endogenous variable)：随机变量，模型自身决定；内生变量影响模型中内生变量，同时又受外生变量和其它内生变量影响。
外生变量(exogenous variable)：通常为非随机变量，在模型之外决定。
而外生变量只影响模型中的内生变量，不受模型中任何其它变量影响。
2、解释变量与被解释变量3、滞后变量与前定变量（二）建模步骤和要点。
模型假定把所研究的经济变量之间的关系用适当的数学模型表达出来。
估计参数模型检验：经济意义的检验、统计推断的检验、计量经济的检验、预测的检验第三节计量经济学模型的应用模型应用：政策评价、经济预测、结构分析、检验和发展经济理论第二章一元线性回归模型第一节概述一、相关关系与回归分析1、函数关系与统计相关关系2、相关分析与回归分析的区别和联系二、总体回归模型与样本回归模型1、总体回归模型（PRF）：总体回归函数随机扰动项2、样本回归模型（SRF）：样本回归函数残差第二节简单线性回归模型的参数估计一、对线性回归模型的假设（古典假定）如何表示？1、零均值假定2、同方差假定3、无自相关假定4、 与解释变量不相关5、 正态性假定二、普通最小二乘法（OLS ）1、 OLS 的思想 参数估计式2、Y i 的分布三、普通最小二乘估计量的统计性质 高斯—马尔可夫定理 BLUE1、参数估计量的性质 高斯-马尔科夫定理2、 总体方差/随机扰动项方差的估计式3、 参数估计量的概率分布四、最大似然估计的概念第三节 简单线性回归模型的检验一、对估计值的直观判断（经济意义的检验） 二、拟和优度的检验1、 TSS=ESS+RSS2、 TSS ESS RSS 各自的含义3、 R2的构造4、 ∑∑==22212ˆiyx TSSESS R iβ5、 2R [0，1]三、对1β的显著性检验（T 检验） 检验步骤 四、均值预测与个值预测的置信区间 P49 第三章 多元线性回归模型 第一节 概述一、基本概念偏回归系数及其解释二、多元线性回归的基本假定如何表示和理解？1、零均值假定2、同方差假定3、无自相关假定4、无多重共线性5、扰动项与解释变量不相关6、正态性假定第二节多元线性回归模型的最小二乘估计一、矩阵形式的OLS参数估计式二、总体方差/随机扰动项方差的OLS估计式三、参数估计量的性质：同一元情形四、样本容量问题第三节多元回归模型的检验一、拟和优度检验1、判定系数2、调整后的判定系数二、对单个回归系数的显著性检验（T检验）检验步骤三、总体回归模型的显著性检验（F检验）检验步骤第四节预测对个值预测、区间预测的理解：p74第五节可以线性化的其他函数形式一、线性回归模型的形式：对参数而言是线性的回归系数的含义:边际效应二、几种常见的线性回归模型1、 双对数模型 回归系数的经济含义:弹性2、 半对数模型3、 倒数变换模型第六节 受约束回归 基本思想和检验步骤 第四章 违背经典假设的回归模型第一节 异方差一、异方差1、 异方差，指的是回归模型中的随机误差项的方差不是常数。
计量经济学重点知识整理
计量经济学重点知识整理1一般性定义计量经济学是以经济理论和经济数据的事实为依据，运用数学和统计学的方法，通过建立数学模型来研究经济数量关系和规律的一门经济学科。
研究的主体〔动身点、回宿、核心〕：经济现象及数量变化规律研究的工具〔手段〕：模型数学和统计方法必须明确：方法手段要服从研究对象的实质特征〔与数学不同〕,方法是为经济咨询题效劳2注重：计量经济研究的三个方面理论：即讲明所研究对象经济行为的经济理论——计量经济研究的根底数据：对所研究对象经济行为瞧测所得到的信息——计量经济研究的原料或依据方法：模型的方法与估量、检验、分析的方法——计量经济研究的工具与手段三者缺一不可3计量经济学的学科类型●理论计量经济学研究经济计量的理论和方法●应用计量经济学：应用计量经济方法研究某些领域的具体经济咨询题4区不：●经济理论重在定性分析,并不对经济关系提供数量上的具体度量●计量经济学对经济关系要作出定量的估量，对经济理论提出经验的内容5计量经济学与经济统计学的关系联系：●经济统计侧重于对社会经济现象的描述性计量●经济统计提供的数据是计量经济学据以估量参数、验证经济理论的全然依据●经济现象不能作实验，只能被动地瞧测客瞧经济现象变动的既成事实，只能依靠于经济统计数据6计量经济学与数理统计学的关系联系：●数理统计学是计量经济学的方法论根底区不：●数理统计学是在标准假定条件下抽象地研究一般的随机变量的统计规律性；●计量经济学是从经济模型动身，研究模型参数的估量和推断，参数有特定的经济意义，标准假定条件经常不能满足，需要建立一些专门的经济计量方法3、计量经济学的特点：计量经济学的一个重要特点是：它自身并没有固定的经济理论，而是依据其它经济理论，应用计量经济方法将这些理论数量化。
4、计量经济学什么缘故是一门单独的学科计量经济学是经济理论、数理经济、经济统计与数理统计的混合物。
1、经济理论所作的陈述或假讲大多数是定性性质的，计量经济学对大多数经济理论给予经验内容。
计量经济学知识分享
计量经济学知识分享
计量经济学是以一定的经济理论和统计资料为基础，运用数学、统计学方法与电脑技术，以建立经济计量模型为主要手段，定量分析研究具有随机性特性的经济变量关系的一门经济学学科。
以下是一些计量经济学的基本知识分享：
1. 变量：计量经济学中常用的变量包括因变量和自变量。
因变量是我们想要解释或预测的变量，而自变量是用来解释因变量的因素。
2. 数据类型：计量经济学中使用的数据类型包括横截面数据、时间序列数据和面板数据。
横截面数据是在同一时间点上收集的不同个体的数据，时间序列数据是在不同时间点上收集的同一个体的数据，面板数据则是在不同时间点上收集的不同个体的数据。
3. 模型建立：计量经济学中常用的模型包括简单线性回归模型、多元线性回归模型、非线性回归模型等。
模型建立的过程包括选择变量、选择模型形式、估计模型参数等。
4. 模型估计：计量经济学中常用的模型估计方法包括最小二乘法、最大似然估计法等。
这些方法用于估计模型中的参数，以使模型能够最好地拟合数据。
5. 模型检验：计量经济学中常用的模型检验方法包括拟合优度检验、假设检验、平稳性检验等。
这些方法用于检验模型的合理性和可靠性。
6. 预测和推断：计量经济学可以用于预测和推断经济变量的未来值。
通过建立合适的模型并使用历史数据进行估计，可以预测未来的经济趋势和变化。
计量经济学知识点
第一章1.计量经济学含义：以经济理论为基础，以统计资料为材料，运用数理统计知识和计算机技术，建立计量模型，对经济变量进行定量分析，以验证经济理论、分析政策效果、或进行商业预测。
2.计量经济学和其他学科关系▪1、经济学，尤其是数理经济学，为其提供理论依据▪2、经济统计学为其提供搜集加工整理统计资料的工具但价格、收入、投资、储蓄等经济数据是不可控的非实验数据，存在测量误差、遗漏、设计错误等▪3、数理统计为其提供假设检验的工具，以验证模型正确性主要有概率、概率分布、随机变量、抽样、参数估计、假设检验和回归分析等内容，只有具备了一定的数理统计学基础，才能很好地掌握计量经济学。
▪4、线性代数3.经济计量学建模步骤p2一、寻找研究的理论依据/设立一个理论假说二、确定统计指标，搜集编制数据①明确变量对应的统计指标②数据分类：时间序列数据：按时间跨度收集到的数据集合横截面数据：某个时点上的数据集合合并数据：时间序列数据和横截面数据的组合③数据来源：统计年鉴、统计类网站、数据公司三、建立数学模型四、设立经济计量模型：引入误差项自变量和因变量之间是统计关系，而不是确定的函数关系解释变量：函数的自变量被解释变量：函数的应变量五、采用适当方法，估计模型参数六、进行检验，验证模型的适用性经济检验：所估计参数的符号，大小是否符合理论等统计性检验：拟合优度检验：回归线拟合真实值优劣程度参数显著性检验：样本是否很好的代表了总体计量经济检验：回归模型前提条件的检验，例如多重共线性检验，异方差检验。
预测性检验本章考核要求▪识记：计量经济学含义、统计数据分类、参数、斜率、截距、解释变量和被解释变量、随机误差项等基本概念。
▪领会：计量经济学与其他学科的关系，计量经济模型基本的建模步骤第二章1.求和符号的性质p17常数的n次求和为常数的n倍常数可提到求和符号前两个变量的求和等于对两个变量分别求和2.几个定义▪1、实验：例：测试某批共1000灯泡的使用寿命▪2、总体：实验的所有可能结果的集合例：该批灯泡中每个灯泡的使用寿命，以小时计▪3、样本：由总体中抽出的若干个体的集合。